Variable performance of widely used bisulfite sequencing methods and read mapping software for DNA methylation

Deze studie toont aan dat de keuze van bibliotheekvoorbereidingstechnieken en bioinformatica-pijplijnen aanzienlijke verschillen oplevert in DNA-methylatieprofielen van niet-modelorganismen, waarbij RRBS mogelijk geschikter is voor het detecteren van functioneel relevante verschillen dan WGBS.

De kern

🧬 De DNA-Boodschapper: Waarom de 'vertaal-app' en de 'zoekmethode' uitmaken

Stel je voor dat het DNA van een dier een gigantisch, oud boek is. Soms worden er in dit boek kleine post-it'tjes geplakt (dit noemen we DNA-methylering). Deze post-it'tjes zeggen de cellen: "Lees dit hoofdstuk niet" of "Lees dit hoofdstuk heel hard". Deze post-it'tjes zijn cruciaal voor hoe dieren zich aanpassen aan hun omgeving.

Wetenschappers willen deze post-it'tjes lezen om te begrijpen hoe dieren overleven. Maar om ze te zien, moeten ze het boek eerst "chemisch behandelen" (een proces genaamd bisulfiet-sequencing). Hierbij veranderen alle bladzijden die geen post-it hebben, van kleur. Als je daarna het boek vergelijkt met het origineel, zie je precies waar de post-it's zaten.

Deze studie kijkt naar twee grote problemen bij het lezen van deze boeken in de natuur:

1. Hoe je het boek uitsnijdt (de methode om het DNA te verzamelen).
2. Welke software je gebruikt om te zoeken (de computerprogramma's die de resultaten analyseren).

De onderzoekers hebben dit getest met driehoornige stekelbaarsjes (een soort vis) en andere dieren, omdat deze dieren in de wildernis leven en allemaal net even anders zijn (ze zijn niet allemaal identieke klonen, zoals in een laboratorium).

---

1. Twee manieren om het boek te lezen: WGBS vs. RRBS

De onderzoekers vergeleken twee manieren om de post-it's te vinden:

• WGBS (Whole Genome Bisulfite Sequencing): Dit is alsof je het hele boek fotografeert, bladzijde voor bladzijde.
  • Voordeel: Je ziet alles, ook de randjes en de lege pagina's.
  • Nadeel: Het is enorm duur en tijdrovend. Je krijgt veel foto's, maar per bladzijde is de foto vaak wazig (weinig detail) omdat je de camera te snel moet bewegen om alles te krijgen.
• RRBS (Reduced Representation Bisulfite Sequencing): Dit is alsof je alleen de belangrijke hoofdstukken (zoals de inleiding en de samenvattingen) uitsnijdt en die heel scherp fotografeert.
  • Voordeel: Het is goedkoper, je kunt meer boeken tegelijk doen, en de foto's van de belangrijke stukken zijn heel scherp (veel detail).
  • Nadeel: Je mist de rest van het boek.

Wat vonden ze?
RRBS is vaak beter voor onderzoekers die willen weten hoe dieren zich aanpassen aan hun omgeving, omdat het zich focust op de "belangrijke hoofdstukken" (de genen die aan- of uit kunnen gaan). WGBS ziet wel meer van het hele boek, maar mist vaak de scherpte op de cruciale plekken.

---

2. De Software: De "Google" van je DNA

Nadat je de foto's hebt gemaakt, moet je een computerprogramma gebruiken om te zoeken waar de post-it's zaten. De onderzoekers testten vier verschillende programma's (software):

• Bismark: De oude, bekende "Google". Iedereen gebruikt het, maar het is soms traag en vindt niet alles.
• BWA meth, BiSulfite Bolt, Biscuit: De nieuwere, snellere zoekmachines.

De verrassende ontdekking:
De oude "Google" (Bismark) vond veel minder foto's dan de nieuwe programma's. Het was alsof je een zoekopdracht doet en de oude Google zegt: "Ik heb maar 50% van de resultaten gevonden", terwijl de nieuwe Google zegt: "Ik heb 99% gevonden!"

Maar er was een addertje onder het gras:

• De oude programma's zagen vooral bladzijden met geen post-it's (leeg) of vol post-it's.
• De nieuwe programma's zagen veel meer bladzijden met een halve post-it (tussenliggende waarden).

De analogie:
Stel je voor dat je een verlichtingssysteem bekijkt.

• De oude software zegt: "Lampje A is uit, Lampje B is aan."
• De nieuwe software zegt: "Lampje A is uit, Lampje B is aan, maar Lampje C staat op 50%."
  Het is nog niet helemaal duidelijk welke software de waarheid vertelt, maar het laat zien dat de keuze van de software de uitkomst van je onderzoek drastisch kan veranderen.

---

3. Waarom dit belangrijk is voor de natuur

In een laboratorium zijn alle dieren vaak identiek (zoals klonen). Maar in de natuur zijn dieren allemaal verschillend (ze hebben verschillende "tekstfouten" in hun DNA, genaamd SNP's).

De onderzoekers ontdekten dat de nieuwe softwareprogramma's soms verward raken door deze natuurlijke verschillen en denken dat er een post-it is waar er geen zit, of andersom.

• Conclusie: Als je onderzoek doet in de wildernis, kun je niet zomaar de standaardsoftware van 10 jaar geleden gebruiken. Je moet testen welke tool het beste werkt voor jouw specifieke soort.

---

🏁 De Grote Les (Samenvatting)

1. Kies je methode slim: Wil je weten welke genen belangrijk zijn voor aanpassing? Kies dan voor RRBS (de snelle, scherpe foto's van de belangrijke stukken). Wil je het hele plaatje zien? Kies dan voor WGBS, maar wees bereid om veel geld uit te geven.
2. Kies je software slim: Gebruik niet zomaar de standaardsoftware (Bismark) omdat iedereen dat doet. Nieuwere tools vinden vaak meer gegevens, maar ze tellen soms anders. Test verschillende programma's voordat je je onderzoek start.
3. Natuur is lastig: Dieren in het wild zijn niet perfect. Je computerprogramma's moeten slim genoeg zijn om met die variatie om te gaan, anders krijg je een verkeerd beeld van hoe dieren overleven.

Kortom: Net zoals je niet dezelfde GPS-app gebruikt voor een racewagen en een fiets, moet je ook niet dezelfde software gebruiken voor elk type dier. De juiste combinatie van methode en software is de sleutel tot het begrijpen van de geheimen van de natuur.

Technische samenvatting

Probleemstelling

DNA-methylering (DNAm) is een cruciale epigenetische marker in ecologische studies, maar de prestaties van bibliotheekbereidingsstrategieën (zoals RRBS en WGBS) en bioinformatica-tools worden zelden gevalideerd in genetisch variabele, natuurlijke populaties. De meeste methoden zijn ontwikkeld voor inheemse, lab-gebaseerde modelorganismen. Er is een gebrek aan kennis over hoe methodologische keuzes de detectie en kwantificering van DNAm beïnvloeden bij wilde organismen met onbekende genotypen. Specifiek is er onzekerheid over:

1. De prestaties van populaire aligners (zoals Bismark) versus nieuwere alternatieven (zoals BWA meth, BiSulfite Bolt, Biscuit) bij niet-modelsoorten.
2. De verschillen in dekking en bias tussen Reduced Representation Bisulfite Sequencing (RRBS) en Whole Genome Bisulfite Sequencing (WGBS).
3. De impact van SNP-filtering en leesdiepte op de nauwkeurigheid van methyleringsbepalingen in heterogene populaties.

Methodologie

De auteurs voerden een uitgebreide vergelijking uit met behulp van zowel eigen data als publiek beschikbare datasets:

• Organismen: De kern van het onderzoek bestond uit driedoornige stekelbaars (Gasterosteus aculeatus) uit vijf ecologisch divergente populaties. Daarnaast werden publieke data gebruikt van vijf andere soorten (cichlide, paarse zee-egel, grote koolmees, koraal en wandelend houtje) om de generaliseerbaarheid te testen.
• Sequencing Strategieën:
  • RRBS: Toegepast op 34 stekelbaars (inclusief technische replicaten).
  • WGBS: Toegepast op 4 stekelbaars (technische replicaten van dezelfde individuen als bij RRBS).
• Bioinformatica Pijplijnen:
  • Aligners: Vier softwaretools werden vergeleken: Bismark (de huidige standaard, gebaseerd op Bowtie2), BWA meth, BiSulfite Bolt, en Biscuit.
  • Parameters: Bismark werd getest met standaard (globale alignering) en met aangepaste parameters (lokale alignering, -local en --nondirectional voor RRBS).
  • Methylering en SNP-filtering: MethylDackel werd gebruikt voor het callen van methylering en het filteren van SNPs (met een lenient filter: --maxVariantFrac 0.8). Sites met een leesdiepte <10x werden gereserveerd voor de hoofdanalyse.
• Statistiek: Niet-parametrische Friedman-tests werden gebruikt voor het vergelijken van mapping-efficiëntie. Lineaire modellen en residualanalyse werden ingezet om de overeenkomst in methyleringspercentages tussen tools te beoordelen.

Belangrijkste Bijdragen

1. Benchmarking van Aligners in Natuurlijke Populaties: Dit is een van de eerste studies die bioinformatica-pijplijnen voor bisulfiet-sequencing systematisch vergelijkt in een context van genetisch variabele wilde organismen, in plaats van alleen in inheemse lijnen of gesimuleerde data.
2. Vergelijking RRBS vs. WGBS: Een directe technische vergelijking van de twee meest gebruikte methoden op dezelfde individuen, wat zeldzaam is in de ecologische epigenetica.
3. Open Data en Code: De auteurs hebben hun scripts en data openbaar gemaakt om anderen in staat te stellen hun eigen pijplijnen te optimaliseren.

Resultaten

1. Prestaties van Aligners (Mapping Efficiency):

• Bismark presteerde slecht: Zelfs na het optimaliseren van parameters (lokale alignering), bleef Bismark achter in mapping-efficiëntie vergeleken met tools die BWA mem gebruiken.
• Nieuwere tools winnen: Biscuit en BiSulfite Bolt hadden de hoogste mapping-efficiëntie (vaak >90-99%), gevolgd door BWA meth. Bismark had de laagste efficiëntie (rond de 54% voor RRBS, zelfs na aanpassing).
• Invloed van leesdiepte: De overeenkomst in methyleringsprofielen tussen verschillende tools nam toe met de sequencing-effort, maar stabiliseerde rond de 20 miljoen reads per steekproef. Meer sequencing leverde weinig extra voordeel op.

2. Bias in Methyleringsprofielen:

• Er was een opvallend verschil in de verdeling van methyleringsniveaus.
• Oudere tools (Bismark, BWA meth): Toonden een bimodale verdeling met veel ongemethyleerde (0-10%) en volledig gemethyleerde (>90%) sites, en weinig intermediaire sites.
• Nieuwere tools (Biscuit, BiSulfite Bolt): Toonden een sterke overrepresentatie van intermediaire methylering (10-90%) en een onderrepresentatie van ongemethyleerde cytosines. Dit suggereert dat de nieuwere algoritmen mogelijk een bias introduceren of anders omgaan met C/T-mismatches in genetisch variabele populaties.

3. RRBS vs. WGBS:

• Dekking: WGBS dekte een veel breder spectrum van het genoom af, inclusief introns en intergenische regio's. RRBS was beperkt tot CpG-eilanden, promotors en exons.
• Overlap: Er was zeer weinig overlap in specifieke CpG-sites tussen RRBS en WGBS (<1% bij 10x diepte).
• Intermediaire methylering: WGBS detecteerde bijna twee keer zoveel intermediair gemethyleerde sites als RRBS (56% vs 29%). RRBS leek deze intermediaire sites te missen, mogelijk door de beperkte genomische dekking of technische bias.
• Functionele relevantie: Omdat RRBS specifiek CpG-eilanden en promotors target, lijkt het beter geschikt voor het detecteren van functioneel relevante methyleringsverschillen, terwijl WGBS meer "ruis" in intergenische regio's vangt.

4. Populatie-effecten:

• De overlap van CpG-sites tussen individuen binnen dezelfde populatie varieerde sterk en was afhankelijk van de populatie en de gebruikte methode. Dit wijst erop dat genetische variatie (bijv. MspI-cut sites) de bibliotheekbereiding en de uiteindelijke dekking beïnvloedt.

Significantie en Conclusies

De studie concludeert dat de keuze van methode en software aanzienlijke invloed heeft op de resultaten van epigenetische studies in de natuur:

• Softwarekeuze: Hoewel Bismark de meest gebruikte tool is, presteert deze minder goed in mapping-efficiëntie dan moderne BWA mem-gebaseerde tools (zoals Biscuit). Echter, de nieuwere tools vertonen een mogelijke bias door het overvragen van intermediaire methylering. Onderzoekers moeten voorzichtig zijn bij het interpreteren van methyleringsniveaus afhankelijk van de gebruikte aligner.
• Sequencing Strategie: Voor ecologische studies waar het doel is om functioneel relevante verschillen te detecteren (bijv. in genexpressie-regulatie), lijkt RRBS een kosteneffectievere en doelgerichtere keuze dan WGBS, omdat het zich richt op functionele regio's (promotors/CpG-eilanden). WGBS is echter noodzakelijk voor een volledig beeld van het genoom, maar vereist aanzienlijk meer sequencing-omvang.
• Aanbevelingen:
  • Gebruik paired-end sequencing voor RRBS als SNP-filtering belangrijk is, ondanks traditionele adviezen om single-end te gebruiken.
  • Streef naar een sequencing-effort van ongeveer 20 miljoen reads per steekproef voor RRBS om een goede balans tussen kosten en nauwkeurigheid te bereiken.
  • Test altijd meerdere aligners en parameters, vooral bij niet-modelorganismen met onbekende genotypen, omdat standaardinstellingen (zoals die van Bismark) suboptimaal kunnen zijn.

Samenvattend biedt dit onderzoek een kritische evaluatie van de huidige standaardmethoden en biedt het praktische richtlijnen voor onderzoekers om de betrouwbaarheid van DNA-methyleringsdata in ecologische en evolutionaire studies te maximaliseren.